CN108518315A - 一种基于云存储技术的风电机组智能监测系统 - Google Patents
一种基于云存储技术的风电机组智能监测系统 Download PDFInfo
- Publication number
- CN108518315A CN108518315A CN201810231791.7A CN201810231791A CN108518315A CN 108518315 A CN108518315 A CN 108518315A CN 201810231791 A CN201810231791 A CN 201810231791A CN 108518315 A CN108518315 A CN 108518315A
- Authority
- CN
- China
- Prior art keywords
- wind turbines
- status data
- data
- turbines status
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
Abstract
本发明提供了一种基于云存储技术的风电机组智能监测系统,包括传感监测系统、数据处理中心和用户终端,所述的传感监测系统用于采集风电机组状态数据并将采集的风电机组状态数据收集发送至数据处理中心;所述的数据处理中心对风电机组状态数据进行数据分析和处理,及时判断风电机组的健康状态,数据处理中心包括依次连接的云存储模块、数据分析处理模块和风电机组健康状态显示模块;所述的用户终端通过访问数据处理中心获取风电机组状态数据和风电机组的健康状态。
Description
技术领域
本发明涉及风电设备监测领域,具体涉及一种基于云存储技术的风电机组智能监测系统。
背景技术
目前实际应用中的风电机组状态监测系统大多基于有线通信方式来进行信息采集与传输,随着风电的不断发展,风电场容量不断增加,采用有线通信方式的状态监测存在明显缺陷:(1)对于远离陆地的风电场,可进入性差,有线通信设施布设难度大、构建成本高,不利于状态监测系统的构建;(2)有线通信往往采用传统的“点对多点”的信息传输方式以及集中式的信息处理方式,效率低、实时性差,无法保证状态监测系统的可靠性。
发明内容
针对上述问题,本发明提供一种基于云存储技术的风电机组智能监测系统。
本发明的目的采用以下技术方案来实现:
提供了一种基于云存储技术的风电机组智能监测系统,包括传感监测系统、数据处理中心和用户终端,所述的传感监测系统用于采集风电机组状态数据并将采集的风电机组状态数据收集发送至数据处理中心;所述的数据处理中心对风电机组状态数据进行数据分析和处理,及时判断风电机组的健康状态;所述的用户终端通过访问数据处理中心获取风电机组状态数据和风电机组的健康状态。
本发明的有益效果为:实现了风电机组状态的无线监测,系统具有布设便捷、监测全面、通信高效等优点,便于在无人值守情况下进行风电机组故障预警和寿命预测,有助于为风电机组的预防性维修提供科学依据,减少故障发生率,从而降低风电机组的维修成本。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明一个示例性实施例的风电机组智能监测系统的结构框图;
图2是本发明一个示例性实施例的数据处理中心的连接框图。
附图标记:
传感监测系统1、数据处理中心2、用户终端3、云存储模块10、数据分析处理模块20、风电机组健康状态显示模块30。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1、图2,本实施例提供的一种基于云存储技术的风电机组智能监测系统,包括传感监测系统1、数据处理中心2和用户终端3,所述的传感监测系统1用于采集风电机组状态数据并将采集的风电机组状态数据收集发送至数据处理中心2;所述的数据处理中心2对风电机组状态数据进行数据分析和处理,及时判断风电机组的健康状态;所述的用户终端3通过访问数据处理中心2获取风电机组状态数据和风电机组的健康状态。
优选地,所述风电机组状态数据包括位移、加速度、应变、腐蚀度。
优选地,所述数据处理中心2包括依次连接的云存储模块10、数据分析处理模块20、风电机组健康状态显示模块30。其中,数据分析处理模块20对云存储模块10中存储的风电机组状态数据进行数据分析和处理,及时判断风电机组的健康状态。数据分析处理模块20可采用预先设定好的健康分析模型对风电机组状态数据进行数据分析,从而实现对风电机组的健康状态的判断。
优选地,所述的传感监测系统1通过无线传感器网络进行风电机组状态监测,包括多个分布于风电机组监测区域内的风电机组状态监测节点和一个汇聚节点,每个风电机组状态监测节点具有唯一的身份标识号,各风电机组状态监测节点具有相同的初始能量以及数据处理和通信能力;风电机组状态监测节点用于采集风电机组状态数据,汇聚节点收集所有风电机组状态监测节点的风电机组状态数据,并将收集的风电机组状态数据传递给数据处理中心2。
优选地,所述风电机组状态监测节点和汇聚节点采用刚性机械紧固方式设置在风电机组上,或者通过粘结剂或磁座安装在风电机组上。
本发明上述实施例实现了风电机组状态的无线监测,系统具有布设便捷、监测全面、通信高效等优点,便于在无人值守情况下进行风电机组故障预警和寿命预测,有助于为风电机组的预防性维修提供科学依据,减少故障发生率,从而降低风电机组的维修成本。
云存储模块10包括预处理单元、服务控制机群、Hadoop架构单元、存储节点机群和多个数据存储节点,其中服务控制机群与预处理单元、Hadoop架构单元、存储节点机群均连接,Hadoop架构单元与预处理单元、存储节点机群均连接,存储节点机群连接多个数据存储节点。
在一个实施例中,所述云存储模块10采用分布式存储方式对风电机组状态数据进行存储,具体包括:预处理单元接收传感监测系统1发送的风电机组状态数据,对风电机组状态数据进行预处理后将设定数量N1的风电机组状态数据作为一个风电机组状态数据集,将风电机组状态数据集发送至Hadoop架构单元,并将风电机组状态数据相关信息发送给服务控制机群,所述的风电机组状态数据相关信息包括风电机组状态数据集中各风电机组状态数据的属性信息;服务控制机群收到所述风电机组状态数据相关信息后,将所述风电机组状态数据相关信息传送给Hadoop架构单元;Hadoop架构单元接收到所述风电机组状态数据相关信息后,将风电机组状态数据集分成多个大小相同的风电机组状态数据块后,将该多个风电机组状态数据块发送至存储节点机群;存储节点机群在可提供存储服务的数据存储节点中选择多个数据存储节点,将接收的多个风电机组状态数据块分配给所述多个数据存储节点进行存储,存储完成后,存储节点机群将风电机组状态数据块的属性和存放位置信息发送给服务控制机群,进而由服务控制机群发送给用户。
本实施例基于Hadoop架构设定了云存储模块10的基础架构以及云存储模块10的风电机组状态数据存储机制,Hadoop架构单元有着高容错机制,通过将大的风电机组状态数据集分割成小的风电机组状态数据块存放到各存储节点中,实现了分布式的存储,具有存储风电机组状态数据速度快和安全性高的特点。
其中,存储节点机群定期向各数据存储节点发送检测消息,记录往返时延,进而计算各数据存储节点的存储服务可用性,若数据存储节点的存储服务可用性大于设定的阈值,则视为该数据存储节点为可提供存储服务的数据存储节点,从而定期更新可提供存储服务的数据存储节点。
在一种可选的方式中,设定数据存储节点的存储服务可用性的计算公式为:
式中,YJ表示数据存储节点J的存储服务可用性,NJ为数据存储节点J已存储的风电机组状态数据量,ΔNJ为数据存储节点J能够存储的风电机组状态数据量的最大值,f(NJ,0.8ΔNJ)为判断取值函数,若NJ≤0.8ΔNJ,f(NJ,0.8ΔNJ)=1,若NJ>0.8ΔNJ,f(NJ,0.8ΔNJ)=0;SJ为向数据存储节点J发送检测消息时存储节点机群与数据存储节点J之间的往返时延,SK为向数据存储节点K发送检测消息时存储节点机群与数据存储节点K之间的往返时延,M为数据存储节点的个数,maxK=1,…,MSK表示往返时延的最大值。
本实施例中存储节点机群定期计算各数据存储节点的存储服务可用性,有利于存储节点机群监控每个存储节点的运行状态,使得本实施例设定的风电机组状态数据存储机制具有自动检测存储节点的高可靠性,而且存储节点机群只将风电机组状态数据分配给可提供存储服务的数据存储节点,有利于保障风电机组状态数据存储的可靠性。
在一个实施例中,预处理单元对风电机组状态数据进行预处理,具体为:按照数据接收时间顺序,以设定数量Z2的来自同一监测装置的风电机组状态数据作为一个风电机组状态数据序列,对每个风电机组状态数据序列依次进行预处理,其中Z2>Z1。
其中,对风电机组状态数据序列进行预处理,具体包括:
(1)将该风电机组状态数据序列中的风电机组状态数据按照从小到大的顺序进行排列,并求出该风电机组状态数据序列的平均值gavg;
(2)对该风电机组状态数据序列中的风电机组状态数据依次进行检测,若相邻两个风电机组状态数据gi+1、gi满足阈值条件,则对该两个风电机组状态数据作合并处理,形成一个新的风电机组状态数据gi,i+1:
其中,阈值条件为:
式中,ξ为设定的调节系数;
(3)重复(2),直至风电机组状态数据序列中的风电机组状态数据个数达到设定的个数阈值或者不存在任何相邻两个风电机组状态数据满足阈值条件,输出预处理后的风电机组状态数据序列。
本实施例创新性地提出了风电机组状态数据的预处理机制,将满足阈值条件的风电机组状态数据进行合并处理,能够在保障风电机组状态数据的精确度、不破坏风电机组状态数据的时间属性的前提下减少了风电机组状态数据的数量,从而减少了存储的压力,降低风电机组状态数据的存储成本,从而在整体上节省风电机组智能监测系统的运行成本。
在一个实施例中,存储节点机群将接收的多个风电机组状态数据块分配给可提供存储服务的多个数据存储节点进行存储,具体为:
(1)确定各数据存储节点的综合性能;
(2)计算各可提供存储服务的多个数据存储节点的优先级;
(2)按照优先级由大到小的顺序对各可提供存储服务的数据存储节点进行排序,存储节点机群将接收的多个风电机组状态数据块分配给前θ个可提供存储服务的数据存储节点进行存储,其中每个可提供存储服务的数据存储节点存储一个风电机组状态数据块,其中θ为风电机组状态数据块的数量。
其中,数据存储节点的综合性能的计算公式为:
H3=p1Lc(B)+p2Lm(B)+p3Lr(B)+p4Ls(B)+p5LN(B)
式中,HB表示数据存储节点B的综合性能,L6(B)为数据存储节点B的CPU处理能力,Lm(B)为数据存储节点B的内存处理能力,Lr(B)为数据存储节点B的硬盘输入输出读写能力,Ls(B)为数据存储节点B的存储能力,LN(B)为数据存储节点B的网络传输能力,p1、p2、p;、p、p5为设定的权重系数;
云环境中风电机组状态数据采用分布式存储方式,数据存储节点很多且分布在不同区域,在存储风电机组状态数据的过程中,数据存储节点的选择对于存储效率和风电机组状态数据的安全性都有重要的影响。
优先级的计算公式为:
式中,Yj表示可提供存储服务的数据存储节点集中第j个可提供存储服务的数据存储节点的优先级,Qj-0为所述第j个可提供存储服务的数据存储节点到要分配风电机组状态数据块的存储节点机群的距离,该距离预先设定于存储节点机群中,ΔQ为设定的距离阈值,f(Qj-0,ΔQ)为判断取值函数,若若若Qj-0>ΔQ,f(Qj-0,ΔQ)=0;
Hj为所述第j个可提供存储服务的数据存储节点的综合性能,Hd为可提供存储服务的数据存储节点d的综合性能,k为可提供存储服务的数据存储节点的数量,b为设定的权重系数;
其中,上述的Lc(B)、Lm(B)、Lr(B)、Ls(B)、LN(B)皆由专家根据数据存储节点B的性能进行设定。
本实施例按照自定义的优先级计算公式设定了各可提供存储服务的数据存储节点的优先级,并将接收的多个风电机组状态数据块分配给优先级较大的可提供存储服务的数据存储节点进行存储,有利于保障风电机组状态数据存储的安全性的前提下提高风电机组状态数据存储的效率,从而在整体上提高风电机组智能监测系统的运行效率。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种基于云存储技术的风电机组智能监测系统,其特征是,包括传感监测系统、数据处理中心和用户终端,所述的传感监测系统用于采集风电机组状态数据并将采集的风电机组状态数据收集发送至数据处理中心;所述的数据处理中心对风电机组状态数据进行数据分析和处理,及时判断风电机组的健康状态,数据处理中心包括依次连接的云存储模块、数据分析处理模块和风电机组健康状态显示模块;所述的用户终端通过访问数据处理中心获取风电机组状态数据和风电机组的健康状态;云存储模块包括预处理单元、服务控制机群、Hadoop架构单元、存储节点机群和多个数据存储节点,其中服务控制机群与预处理单元、Hadoop架构单元、存储节点机群均连接,Hadoop架构单元与预处理单元、存储节点机群均连接,存储节点机群连接多个数据存储节点。
2.根据权利要求1所述的一种基于云存储技术的风电机组智能监测系统,其特征是,所述的传感监测系统通过无线传感器网络进行风电机组状态监测,包括多个分布于风电机组监测区域内的风电机组状态监测节点和一个汇聚节点,每个风电机组状态监测节点具有唯一的身份标识号,各风电机组状态监测节点具有相同的初始能量以及数据处理和通信能力;风电机组状态监测节点用于采集风电机组状态数据,汇聚节点收集所有风电机组状态监测节点的风电机组状态数据,并将收集的风电机组状态数据传递给数据处理中心。
3.根据权利要求2所述的一种基于云存储技术的风电机组智能监测系统,其特征是,所述风电机组状态监测节点和汇聚节点采用刚性机械紧固方式设置在风电机组上,或者通过粘结剂或磁座安装在风电机组上。
4.根据权利要求1-3任一项所述的一种基于云存储技术的风电机组智能监测系统,其特征是,所述云存储模块采用分布式存储方式对风电机组状态数据进行存储,具体包括:预处理单元接收传感监测系统发送的风电机组状态数据,对风电机组状态数据进行预处理后将设定数量N1的风电机组状态数据作为一个风电机组状态数据集,将风电机组状态数据集发送至Hadoop架构单元,并将风电机组状态数据相关信息发送给服务控制机群,所述的风电机组状态数据相关信息包括风电机组状态数据集中各风电机组状态数据的属性信息;服务控制机群收到所述风电机组状态数据相关信息后,将所述风电机组状态数据相关信息传送给Hadoop架构单元;Hadoop架构单元接收到所述风电机组状态数据相关信息后,将风电机组状态数据集分成多个大小相同的风电机组状态数据块后,将该多个风电机组状态数据块发送至存储节点机群;存储节点机群在可提供存储服务的数据存储节点中选择多个数据存储节点,将接收的多个风电机组状态数据块分配给所述多个数据存储节点进行存储,存储完成后,存储节点机群将风电机组状态数据块的属性和存放位置信息发送给服务控制机群,进而由服务控制机群发送给用户。
5.根据权利要求4所述的一种基于云存储技术的风电机组智能监测系统,其特征是,预处理单元对风电机组状态数据进行预处理,具体为:按照数据接收时间顺序,以设定数量Z2的来自同一监测装置的风电机组状态数据作为一个风电机组状态数据序列,对每个风电机组状态数据序列依次进行预处理,其中Z2>Z1。
6.根据权利要求5所述的一种基于云存储技术的风电机组智能监测系统,其特征是,对风电机组状态数据序列进行预处理,具体包括:
(1)将该风电机组状态数据序列中的风电机组状态数据按照从小到大的顺序进行排列,并求出该风电机组状态数据序列的平均值gavg;
(2)对该风电机组状态数据序列中的风电机组状态数据依次进行检测,若相邻两个风电机组状态数据gi+1、gi满足阈值条件,则对该两个风电机组状态数据作合并处理,形成一个新的风电机组状态数据gi,i+1:
其中,阈值条件为:
式中,ξ为设定的调节系数;
(3)重复(2),直至风电机组状态数据序列中的风电机组状态数据个数达到设定的个数阈值或者不存在任何相邻两个风电机组状态数据满足阈值条件,输出预处理后的风电机组状态数据序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810231791.7A CN108518315A (zh) | 2018-03-20 | 2018-03-20 | 一种基于云存储技术的风电机组智能监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810231791.7A CN108518315A (zh) | 2018-03-20 | 2018-03-20 | 一种基于云存储技术的风电机组智能监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108518315A true CN108518315A (zh) | 2018-09-11 |
Family
ID=63433881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810231791.7A Pending CN108518315A (zh) | 2018-03-20 | 2018-03-20 | 一种基于云存储技术的风电机组智能监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108518315A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108999756A (zh) * | 2018-09-19 | 2018-12-14 | 东莞方凡智能科技有限公司 | 风电机组振动异常预警系统 |
CN110080954A (zh) * | 2019-05-11 | 2019-08-02 | 林荣密 | 一种风力发电远程风向风速检测机构 |
WO2021168490A1 (en) * | 2020-02-27 | 2021-09-02 | I4See Tech Gmbh | Method for at least partially decentralized calculation of the state of health of at least one wind turbine |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995336A (zh) * | 2009-08-12 | 2011-03-30 | 孟照辉 | 风力发电机运行状态在线监测装置 |
CN102434388A (zh) * | 2011-11-17 | 2012-05-02 | 高丙团 | 风力发电机组健康状态在线监测装置及其监测方法 |
CN102706562A (zh) * | 2012-06-01 | 2012-10-03 | 河海大学 | 基于无线传感器网络的海上风电机组状态监测系统及方法 |
CN103093563A (zh) * | 2013-01-04 | 2013-05-08 | 中国电子科技集团公司第二十八研究所 | 基于无线传感器网络的周界防护系统 |
CN104135516A (zh) * | 2014-07-29 | 2014-11-05 | 浪潮软件集团有限公司 | 一种基于行业数据采集的分布式云存储方法 |
CN104915793A (zh) * | 2015-06-30 | 2015-09-16 | 北京西塔网络科技股份有限公司 | 基于大数据分析挖掘的公共信息智能分析平台 |
CN105427566A (zh) * | 2015-12-09 | 2016-03-23 | 华南理工大学 | 基于无线传感器网络的风电场远程实时监测系统及方法 |
CN106095335A (zh) * | 2016-06-07 | 2016-11-09 | 国网河南省电力公司电力科学研究院 | 一种电力大数据弹性云计算存储平台架构方法 |
CN206363313U (zh) * | 2016-12-06 | 2017-07-28 | 厦门大学 | 基于Hadoop架构的医疗数据分析系统 |
CN107580315A (zh) * | 2017-09-13 | 2018-01-12 | 潘金文 | 一种用于智能电网的风电机组状态监测系统 |
CN107657798A (zh) * | 2017-09-20 | 2018-02-02 | 深圳市晟达机械设计有限公司 | 一种风电机组状态智能监测系统 |
-
2018
- 2018-03-20 CN CN201810231791.7A patent/CN108518315A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995336A (zh) * | 2009-08-12 | 2011-03-30 | 孟照辉 | 风力发电机运行状态在线监测装置 |
CN102434388A (zh) * | 2011-11-17 | 2012-05-02 | 高丙团 | 风力发电机组健康状态在线监测装置及其监测方法 |
CN102706562A (zh) * | 2012-06-01 | 2012-10-03 | 河海大学 | 基于无线传感器网络的海上风电机组状态监测系统及方法 |
CN103093563A (zh) * | 2013-01-04 | 2013-05-08 | 中国电子科技集团公司第二十八研究所 | 基于无线传感器网络的周界防护系统 |
CN104135516A (zh) * | 2014-07-29 | 2014-11-05 | 浪潮软件集团有限公司 | 一种基于行业数据采集的分布式云存储方法 |
CN104915793A (zh) * | 2015-06-30 | 2015-09-16 | 北京西塔网络科技股份有限公司 | 基于大数据分析挖掘的公共信息智能分析平台 |
CN105427566A (zh) * | 2015-12-09 | 2016-03-23 | 华南理工大学 | 基于无线传感器网络的风电场远程实时监测系统及方法 |
CN106095335A (zh) * | 2016-06-07 | 2016-11-09 | 国网河南省电力公司电力科学研究院 | 一种电力大数据弹性云计算存储平台架构方法 |
CN206363313U (zh) * | 2016-12-06 | 2017-07-28 | 厦门大学 | 基于Hadoop架构的医疗数据分析系统 |
CN107580315A (zh) * | 2017-09-13 | 2018-01-12 | 潘金文 | 一种用于智能电网的风电机组状态监测系统 |
CN107657798A (zh) * | 2017-09-20 | 2018-02-02 | 深圳市晟达机械设计有限公司 | 一种风电机组状态智能监测系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108999756A (zh) * | 2018-09-19 | 2018-12-14 | 东莞方凡智能科技有限公司 | 风电机组振动异常预警系统 |
CN110080954A (zh) * | 2019-05-11 | 2019-08-02 | 林荣密 | 一种风力发电远程风向风速检测机构 |
WO2021168490A1 (en) * | 2020-02-27 | 2021-09-02 | I4See Tech Gmbh | Method for at least partially decentralized calculation of the state of health of at least one wind turbine |
AT523586A1 (de) * | 2020-02-27 | 2021-09-15 | I4See Tech Gmbh | Verfahren zur zumindest teilweise dezentralen Berechnung des Gesundheitszustandes von mindestens einer Windkraftanlage |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106934497B (zh) | 基于深度学习的智慧小区用电量实时预测方法及装置 | |
CN103748757B (zh) | 使用实时发生设备与能量存储系统组合的混合电力发电厂 | |
CN108518315A (zh) | 一种基于云存储技术的风电机组智能监测系统 | |
CN206060359U (zh) | 一种分布式光伏电站的集中监控运维系统 | |
CN109638964A (zh) | 一种基于边缘计算架构的多元电网信息交互系统及方法 | |
CN103152393A (zh) | 一种云计算的计费方法和计费系统 | |
CN109190672A (zh) | 电力系统运行工况无监督聚类方法及装置 | |
CN103906210A (zh) | 一种分布式光伏发电装置传感器网络节点休眠调度方法 | |
CN108347352B (zh) | 一种电力系统中信息系统及设备性能的诊断方法 | |
CN112684301B (zh) | 一种电网故障的检测方法和装置 | |
CN207268844U (zh) | 一种工厂生产信息采集系统 | |
CN107820321A (zh) | 一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法 | |
CN110223411A (zh) | 一种公共饮水机巡检系统及方法 | |
CN107682241A (zh) | 一种基于云计算的智能家居设备控制系统 | |
CN114938372B (zh) | 一种基于联邦学习的微网群请求动态迁移调度方法及装置 | |
CN114448094A (zh) | 一种基于台区智能业务终端边缘计算的数据共享系统 | |
CN115642652A (zh) | 一种基于人工智能的电力调节装置 | |
Li et al. | Communication and computation resource allocation and offloading for edge intelligence enabled fault detection system in smart grid | |
CN106816872B (zh) | 基于遗传算法的煤矿高压电网自适应并行短路计算方法 | |
CN104392591B (zh) | 输电线杆故障监测专家系统 | |
KR101960688B1 (ko) | 사물지능통신 기기의 전원 관리 방법,및 사물지능통신 기기의 전원 관리를 위한 네트워크 서버 | |
CN108540539A (zh) | 一种空气污染智能监测系统 | |
CN102156408A (zh) | 一种动态自适应演化最大功率点跟踪控制系统及方法 | |
CN108759902A (zh) | 一种基于大数据的燃气管网智能监测系统 | |
CN108092694A (zh) | 一种架空送电线路监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180911 |